摘要。图论分析已成为建模大脑功能和解剖连接的标准工具。随着连接组学的出现,主要感兴趣的图或网络是结构连接组(来自 DTI 纤维束成像)和功能连接组(来自静息态 fMRI)。然而,大多数已发表的连接组研究都集中在结构或功能连接组上,但当它们之间的互补信息在同一数据集中可用时,可以联合利用它们来提高我们对大脑的理解。为此,我们提出了一种功能约束的结构图变分自动编码器 (FCS-GVAE),它能够以无监督的方式整合来自功能和结构连接组的信息。这导致了联合低维嵌入,从而建立了一个统一的空间坐标系,用于跨不同主体进行比较。我们使用公开的 OASIS-3 阿尔茨海默病 (AD) 数据集评估了我们的方法,并表明变分公式对于最佳地编码功能性大脑动态是必不可少的。此外,与不使用互补连接组信息的方法相比,所提出的联合嵌入方法可以更准确地区分不同的患者亚群。